A correlative study of uncertainty in illness and alexithymia among the elderly with chronic diseases in nursing home
Notice bibliographique
Résumé
Objective To investigate the level of uncertainty in illness and alexithymia of the elderly with chronic diseases in nursing home and analyze the correlation between them. Methods Totally 198 elderly residents from 5 nursing homes in Taiyuan from January to April 2017 were investigated using demographic data questionnaire, Mishel Uncertainty in Illness Scale (MUIS) , and Toronto Alexithymia Scale (TAS-20) . Results The total score of MUIS and TAS-20 were (97.11±8.83) and (59.64±6.71) . There were statistically differences in MUIS scores among patients with different ages, medical insurances, diseases, and courses of disease (P<0.05) . The total and each dimension scores of MUIS positively correlated with the total and each dimension scores of TAS-20 (P<0.01) . Conclusions The higher of the level of uncertainty among elderly patients with chronic diseases, the more serious alexithymia they will have. Nursing staff could take effective measures from the aspect of alexithymia to relieve the uncertainty in illness among the elderly with chronic diseases. Key words: Aged; Chronic diseases; Uncertainty in illness; Alexithymia; Nursing home
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».